vers une prédiction génomique de l'efficience alimentaire des ovins allaitants

1. ASPECTS GÉNÉTIQUES DE
L’EFFICIENCE ALIMENTAIRE EN
PETITS RUMINANTS
Comment prédire l’efficience
alimentaire d’ovins allaitants à
partir d’omiques ?
Le Graverand Quentin, Tortereau Flavie, Marie-Etancelin Christel,
Meynadier Annabelle, Weisbecker Jean-Louis, Lê Cao Kim-Anh

2. - Efficacité alimentaire -
La sélection requiert l’enregistrement de la consommation par individu
Observée
Théorique
Efficacité
- +
CR < 0: efficace CR > 0: inefficace
Introduction
Consommation observée
=
Critère retenu
Consommation théorique
−
= besoins de production et de maintenance
Consommation résiduelle
Alimentation ≈ 1er ou 2ème coût de production le plus important
Enjeux
2

3. - Recherche de prédicteurs -
Hôte Microbiote
HO
O
Quel est le potentiel de l’hôte ?
Génomique
Quels microorganismes sont là ?
Métabarcoding/génomique
Qu’est-ce que l’hôte et le
microbiote produisent ?
Métabolomique
HO
O
La précision de prédiction varie beaucoup d’une étude à l’autre (corrélations de 0 à 0,71 )
Qu’est ce qui est excrété ?
Spectres infrarouges
Difficile d’identifier quels sont les meilleurs prédicteurs 3
Introduction
Longueur
d’onde
Absorbance
3 x 122 x 0 x
A A
B b
HO
O
OH
OH
OH
CH2OH
97 mmol/L 1 mmol/L

4. Consommation journalière
Age
Régime Concentrés à volonté
Transition
P
Transition
+
P
-
+
-
+
-
17 semaines 23 semaines
E
= Lignée efficace
= Lignée inefficace = Prélèvements
= Pesée
P
+ - E = Echographie dorsale
- Population et régime alimentaire -
255 agneaux Romane
issus d’une sélection divergente
4
Protocole
-
+
CR - : animaux efficaces
CR+ : animaux inefficaces

5. Données de ferme
5 variables (âge, poids, lot, année, allaitement)
Total: 8 blocs de prédicteurs (32 000 variables)
Spectres infrarouges
Echantillons fécaux
900 absorbances
- Données récoltées -
Métabolome plasmatique
Génome
30 000 génotypes
Echantillons sanguins
25 métabolites (RMN)
N=255
5
Protocole
Microbiote
Abondance de 600 bactéries et archées
Echantillons de fluide ruminal
Métabolome ruminal
25 métabolites (RMN)
6 acides gras courts (chromatographie)
70 acides gras longs (chromatographie)

6. - Machine learning -
Protocole
Entrainement 60% Validation 30% Test 10%
8 blocs de
prédicteurs
...
HO
O
Modèle 1
Modèle 4
Modèle 2
Modèle 3
Modèle 1’
Modèle 4’
Modèle 2’
Moèle 3’
Différents modèles
sont entrainés
...
Modèle 1’’
Modèle 4’’
Modèle 2’’
Modèle 3’’
...
Modèle 2
Modèle 3’
Le meilleur modèle
est retenu pour
chaque bloc
Modèle 1’’
1
2
8
× 100 fois
Evaluation de la précision :
corrélation
Prédit
Réel
Prédit
Réel
...
Prédit
Réel
6

7. Source Prédicteurs Moyenne
Ferme Données de ferme 0.35
Sang
Génotypes 0.54
Métabolites 0.34
Rumen
Abondances de bactéries et archées 0.20
Métabolites 0.27
Acides gras courts 0.24
Acides gras longs 0.23
Fèces Absorbances 0.39
Tout Moyenne des prédictions 0.59
Précision de prédiction (précision parfaite si corrélation = 1)
- Comparaison des prédicteurs -
7
Résultats
Pires prédicteurs:
Les variables ruminales
Prédicteurs moyens:
Le spectre fécal, les données de ferme et les
métabolites plasmatiques
Meilleur prédicteur:
Le génome
Intégration:
Faible amélioration de la précision si on
combine les prédicteurs (moyenne pondérée)

8. • Plus gros contributeurs:
Génotypes > Spectre fécal > Données de ferme
En moyenne, les génotypes ont un poids 10 X plus
important que les blocs de données ruminales.
• Contribution d’un bloc:
Contribution =
Poids du bloc
Somme des poids
8
Résultats
Données de ferme
14%
Métabolites ruminaux
4%
Contributions moyennes aux prédictions
de l’efficacité alimentaire
Génotypes
42%
Métabolites plasmatiques
11%
Spectre fécal
18%
Acides gras longs
4%
Acides gras courts
4%
Microbiote
3%
- Intégration -
• Intégration des différents blocs:
Les prédictions des différents blocs de
prédicteurs sont pondérées

9. Conclusions
• Intégrer différents prédicteurs: augmentation (mais faible) de la précision de prédiction de l’efficacité alimentaire
• Meilleurs prédicteurs de l’efficacité: les génotypes. Future sélection génomique ?
• Données fécales : plus prometteuses que les données ruminales pour prédire l’efficacité
Perspectives
Recherches sur l’efficience alimentaire
• Compréhension de l’efficience alimentaire à l’échelle moléculaire
9
Conclusion
Prédictions des émissions de gaz à effet de serre
• Contrairement à l’efficacité alimentaire, le compartiment ruminal serait plus intéressant que le compartiment fécal
(Monteiro et al., 2022)
(Gonzalez-Recio et al., 2023)
• Des auteurs proposent de sélectionner l’hôte et son microbiote pour réduire les émissions de gaz à effet de serre
• Microbiote ruminal : les microorganismes identifiés varient d’une étude à l’autre (effets d’environnement importants)

10. Financements
Merci !